سيختفي كلمات التعليمات الخاصة بالذكاء الاصطناعي

المؤلف: 张烽

أولًا: كلمات التوجيه/الـ“Prompt” في محادثة الإنسان مع الذكاء الاصطناعي: “سفينة كسر الجليد”

خلال العامين الماضيين، ومع اجتياح الذكاء الاصطناعي التوليدي للعالم، تحوّلت “كلمات التوجيه/الـPrompt” من مصطلح تقني نادر إلى مادة إلزامية في عالم العمل. امتلأت الأسواق بدروس بعنوان مثل: 《Prompt Engineering من المبتدئين إلى الاحتراف》. وعلى وسائل التواصل الاجتماعي، تنتشر في كل مكان مشاركة تقول: “تعلّم هذه الكلمات العشر من الـPrompt، وسيتضاعف ناتج ذكاءك الاصطناعي”. يتحدث الناس بجدية عن تقنيات مثل لعب الأدوار، والتفكير خطوة بخطوة، وسلسلة التفكير، والتعلّم قليل اللقطات… وكأن من يملك تعويذة دقيقة من كلمات التوجيه يستطيع استدعاء القوة العميقة للذكاء الاصطناعي.

لكن ما هي “كلمات التوجيه” في الحقيقة؟

بجوهرها، كلمات التوجيه هي نوع من “وسيط الترجمة” بين البشر والنماذج اللغوية الكبيرة. يصف البشر نواياهم للذكاء الاصطناعي باستخدام اللغة الطبيعية، ثم يحوّل الذكاء الاصطناعي هذه الكلمات إلى بحث في فضاء احتمالي، وأخذ عينات من توزيع احتمالات، وفي النهاية يولّد الرد. توجد كلمات التوجيه لأن التفاعل بين الإنسان والآلة ما يزال في المرحلة البدائية من “اسألني فأجيب”. فالذكاء الاصطناعي لا يقرأ الأفكار، ولا يتوقع مسبقًا، ولا يطرح أسئلة تلقائيًا؛ إنه فقط ينتظر إدخالًا، ثم ينفّذ إخراجًا بشكل آلي.

تتمثل وظيفة كلمات التوجيه في “تحديد” و“تنشيط”. فهي تحدد حدود المهمة، وصيغة المخرجات، وأسلوب الإجابة؛ كما تُفعّل مناطق المعرفة ووحدات القدرة المحددة التي اكتسبها النموذج خلال مرحلة ما قبل التدريب. يمكن لكلمات توجيه جيدة أن توقظ بدقة نموذجًا بحجم مئات المليارات من المعلمات من حالة “السبات”، كما لو أن أداة مناسبة تم تسليمها لِحِرَفيّ متمرّس. ومن هذا المنظور، فإن كلمات التوجيه هي حبلُ الإنسان لإدارة الذكاء الاصطناعي في المرحلة الحالية؛ وهي سفينة كسر الجليد التي لا بد أن نستخدمها عند محادثة عقل مبني على السيليكون.

لكن مهمة سفينة كسر الجليد—لم تكن أبدًا للإبحار إلى الأبد.

ثانيًا: منتج انتقالي—قدر كلمات التوجيه

أي شكل من أشكال التفاعل التقني، إذا كان يتطلب من المستخدم تعلّم “لغة وسيطة” للتواصل مع النظام، فإنه لا بد أن يكون حلًا انتقاليًا. تخيّل سطر الأوامر في عصر DOS—كان على المستخدم أن يتذكر الأوامر والوسائط/المعاملات المعقدة ليعمل الكمبيوتر. بعد ظهور الواجهات الرسومية، تراجعت سطر الأوامر إلى زاوية الاختصاص. ثم تذكّر أن الشاشات التي تعمل باللمس في بداياتها كانت تحتاج إلى قلم لمس، بينما قال جوبز: “لقد منحنا الله عشرة أقلام لمس” — لذلك أصبح تفاعل الأصابع هو السائد. وتقع كلمات التوجيه في موقع مشابه لذلك الانتقال.

سبب حتمية زوال كلمات التوجيه ثلاثة أسباب.

أولًا: جوهر كلمات التوجيه هو “تحويل عبء المعرفة” إلى المستخدم. يحتاج المستخدم إلى التفكير في كيفية صياغة ما يريد ليُفهمه الذكاء الاصطناعي، وإلى تعديل العبارات مرارًا، وإلى إتقان تقنيات مثل “لعب الأدوار” و“الاستدلال خطوة بخطوة”. هذا بحد ذاته غير منطقي—كأن تذهب إلى مطعم لتأكل، فيطلب منك الطباخ أولًا أن تتعلم وصف “تفاعل ميلارد”، و“درجة الكرامَلة”، و“حالة استحلاب الدهون” قبل أن تطلب. ينبغي للنظام الذكي الحقيقي أن يتكيف مع الإنسان، لا أن يجبر الإنسان على التكيف مع النظام.

ثانيًا: التطور في قدرات النماذج الكبيرة يُزيل ضرورة كلمات التوجيه تدريجيًا. كان GPT-3 المبكر “أغلبه أخرق”، ويحتاج إلى تصميم متقن لكلمات التوجيه لإخراج محتوى مفيد. لكن GPT-4 أظهر بالفعل قدرة قوية على اتباع التعليمات وفهم النوايا، بحيث يمكن للمستخدم الحصول على ردود معقولة حتى عند التعبير بأكثر الصيغ المحكية/اليومية. ومع تطور النماذج نحو GPT-5 وما بعده، ستصبح قدرة النموذج على التعامل مع الغموض والنقص وحتى التناقض في التعبير البشري أقوى وأقوى، مع وجود تسامح أعلى وقدرات على الاستكمال. عندما يصبح النموذج “ذكيًا” بدرجة كافية، لن تعود كلمات التوجيه بحاجة إلى أن تُهندس، بل يمكن الرجوع إلى التعبير اليومي الأكثر طبيعية.

ثالثًا: نموذج التفاعل يتحول من “سؤال ورد واحد” إلى “تعاون متعدد الجولات”. كلمات التوجيه جوهرًا ناتج عن تفاعل أحادي الجولة: يقوم المستخدم بتغليف احتياجه في مقطع واحد من النص، ويُرجع الذكاء الاصطناعي النتيجة مرة واحدة. لكن العمل ذي القيمة الحقيقيّة لا يكون أبدًا مرة واحدة. فالكتابة تتطلب تعديلات متكررة، والبرمجة تحتاج إلى تصحيح تدريجي، والبحث يستلزم تعميقًا مستمرًا. أما تفاعل الذكاء الاصطناعي في المستقبل فسيكون حوارًا مستمرًا وإبداعًا مشتركًا عبر التكرار، لا مجرد ذهاب وإياب ميكانيكي “Prompt واحد/Answer واحد”.

هنا لا بد أن نذكر شكلًا جديدًا من أشكال تفاعل الذكاء الاصطناعي آخذًا في الظهور—OpenClaw. باعتباره إطار عمل مفتوح المصدر لوكلاء ذكاء اصطناعي، تتمثل السمة الأساسية لـ OpenClaw في “الذاكرة الدائمة” و“الإدراك البيئي”. لم يعد يَتعامل مع كل محادثة على أنها حدث مستقل، بل يمنح الذكاء الاصطناعي قدرة على تذكّر ما عبر الجلسات، وإمكانية إدراك بيئة العمل الحالية (مثل الملفات، والكود، وبطاقات المتصفح)، ثم يواصل دفع المهمة للأمام بشكل استباقي. عندما تستخدم سير عمل تم بناؤه بواسطة OpenClaw، لن تحتاج في كل مرة إلى إعادة شرح “من أنا”، و“ما خلفية المشروع”، و“إلى أين وصلنا في السابق”—فالذكاء الاصطناعي قد “تذكّر” كل ذلك بالفعل. في هذا النمط، تبدأ “كلمات التوجيه” في الانهيار إلى عبارات طبيعية متفتتة ومُضمَّنة داخل تفاعل متصل، بدل أن تكون وحدة إدخال مستقلة يتطلب بناؤها بعناية.

ثالثًا: مستقبل الذكاء الاصطناعي—هو المعلم والمساعد معًا

عندما تزول كلمات التوجيه، فما شكل وجود الذكاء الاصطناعي؟ الجواب هو: سيصبح الذكاء الاصطناعي معلمًا للإنسان، وسيساعده أيضًا كمساعد. تبدو هاتان المهمتان متناقضتين، لكنهما في الواقع تتحدان تحت جوهر واحد: سيتطور الذكاء الاصطناعي من “أداة سلبية” إلى “متعاون/شريك نشط”.

كمعلّم،AI سيتحمل وظيفة “تعزيز الإدراك”. لن يكتفي بإعطائك الإجابات ببساطة، بل سيقودك إلى التفكير. عندما تواجه صعوبة في كتابة الكود، لن يضع لك قطعة كود جاهزة مباشرة؛ بل سيسألك: “ما المشكلة الأساسية التي ترغب في حلها؟ ما الحلول/الخيارات التي فكرت بها؟ ما المقايضات/الموازنة في كل خيار؟” سيكون مثل سقراط، يستخدم الأسئلة لمساعدتك على ترتيب أفكارك. وعندما تتعلم معرفة جديدة، سيبني مسارًا تعليميًا مخصصًا وفق مستوى معرفتك الحالية وتفضيلاتك في التعلم، وينسق المراجعة في اللحظة التي توشك أن تنسى فيها، ويغيّر زاوية الشرح عندما تصادف عنق زجاجة. إنه يعرف أين نقاط ضعفك، وأين قوتك؛ بل ويعرف حدود إدراكك أفضل مما تعرفه أنت بنفسك.

كمساعد،AI سيتحمل وظيفة “تعزيز التنفيذ”. لن يعود يحتاج منك أن تُصدِر التعليمات بندًا بندًا، بل سيفهم أهدافك طويلة المدى ويقوم تلقائيًا بتفكيكها إلى تسلسل مهام قابلة للتنفيذ. لقد أظهر OpenClaw بالفعل هذا الإمكان—إذ يمكنه أن يتصفح الويب بشكل مستقل، ويتعامل مع الملفات، ويستدعي واجهات API، ويرسل الرسائل، وضمن نطاق الحصول على التفويض، ينفذ سلسلة من العمليات المعقدة كما لو كان متدربًا موثوقًا. والأهم من ذلك أنه عندما يواجه حالات غير مؤكدة، سيلتمس رأيك/يطلب مشورتك بشكل استباقي بدلًا من التصرف من تلقاء نفسه. إن نمط “تنفيذ استباقي + استشارة في الوقت المناسب” هو سِمة المساعد المثالي فعلًا.

أما استكشاف Rotifer فيشير إلى بعد آخر—ذكاء اصطناعيAI يتطور باستمرار. Rotifer مشروع مفتوح المصدر يركز على “الذاكرة طويلة الأمد” و“التعلم الذاتي”، ما يمكّن الذكاء الاصطناعي من تراكم خبرات وتحسين استراتيجياته خلال التفاعل المستمر مع المستخدم. كلما استخدمته لفترة أطول، أصبح يفهم عادات عملك، وأنماط تفكيرك، وتفضيلاتك القيمية بشكل أدق. إنه ليس “نموذجًا عامًا” يبدأ من الصفر كل مرة، بل ينمو تدريجيًا إلى “نموذجك الخاص” بك. تميّز هذا التطور المستمر يجعل دور الذكاء الاصطناعي كمعلّم ومساعد يمكن أن يزداد عمقًا لا أن يبقى على السطح.

تخيّل سيناريو كهذا: أنت مطور مستقل، تعمل على مشروع جديد. حين تستيقظ صباحًا، يكون مساعدك الذكي (المبني على الذاكرة الدائمة في OpenClaw والتعلم المستمر في Rotifer) قد حدّث وفقًا لمستودع كودك، وترتيبات التقويم، وسجلات الدردشة، ثم نظّم قائمة مهام اليوم. لاحظ أن شيئًا قد علق عندك أمس في أحد الوحدات، فخلال الليل، بينما كنت ترتاح، كان قد درس الوثائق التقنية ذات الصلة ونقاشات المجتمع، وجهّز ثلاث حلول، وأضاف تحليلًا للمزايا والعيوب لكل حل وتقديرًا لكمية العمل. وأنت تحتسي القهوة وتقرأ تقريره المنظم، قلت له عفوًا: “أظن أن الحل الثاني أنسب، لكن يلزم تحسينه أكثر من ناحية الأداء”. فهم فورًا قصدك وبدأ التنفيذ، وعند اكتمال كل مهمة فرعية كان يُبلّغك بتقدم سير العمل. لم يكن مجرد مساعد لك، بل كان—دون أن تشعر—يعلمك تفكيرًا معماريًا أفضل. لأنك اكتشفت أن أنماط التصميم الضمنية في الحلول التي يقترحها هي ما كنت تريد تعلمه منذ فترة، لكنك لم تجد وقتًا للتعمق فيه.

رابعًا: مهمة البشر—العودة إلى التعبير عن الاحتياجات

عندما يتحمل الذكاء الاصطناعي الاستدلال المعقد لـ“كيف يتم ذلك” وتفكيك مهام “ماذا سيتم فعله”، ستعود المهمة الجوهرية للإنسان إلى موقع أكثر أصالة—تعبير الاحتياجات.

يبدو هذا بسيطًا جدًا، بل وفيه شيء من المفارقة/السخرية. لقد اعتدنا على توجيه الذكاء الاصطناعي بدقة عبر كلمات التوجيه/Prompts، والآن يُقال إن على البشر فقط التعبير عن “احتياجاتهم”؟ لكن يرجى التفريق بعناية: التعبير عن الاحتياجات يختلف جوهريًا عن كتابة كلمات التوجيه/Prompts.

كتابة كلمات التوجيه هي تعلم “نحو لغة الآلة”. عليك أن تعرف أي صياغة تحفّز أي نوع من المخرجات، وأن تتقن تقنيات مثل “سلسلة التفكير” و“لعب الأدوار”، وأن تُجري اختبارات/تعديلات متكررة للمعاملات والصيغ. هذه عملية “تكيّف الإنسان مع الآلة”.

أما التعبير عن الاحتياجات فهو العودة إلى “نحو الإنسان”. يمكنك قول أهدافك وقيودك وتفضيلاتك بأكثر الطرق طبيعية. يمكنك أن تقول: “أريد أن أطور تطبيقًا مشابهًا لـ小红书، لكن موجهًا لهواة البستنة، وتتمثل الوظائف الأساسية في التعرف على النباتات وتسجيل رعايتها. الميزانية محدودة، وأريد استخدام أخف حزمة تقنية ممكنة، وإطلاق نسخة MVP خلال شهرين.” في هذه الجملة، يوجد الكثير من الغموض—“مشابه”، و“خفيف الوزن”، و“MVP” لا توجد لها تعريفات دقيقة—لكن ذكاء اصطناعي ذكي بدرجة كافية سيطرح أسئلة توضيحية تلقائيًا، ويقترح خيارات لك للاختيار، وينفذ تلقائيًا بعد أن تتخذ قرارك.

تعبير الاحتياجات، من حيث الجوهر، هو “قدرة تحديد المشكلة”، وليس “قدرة وصف الحل”. في تطوير البرمجيات التقليدي، يقوم مدير المنتج بتحديد المشكلة، بينما يقوم المهندس بتصميم الحل وتنفيذه. وفي تعاون الذكاء الاصطناعي في المستقبل، سيصبح الجميع “مدير منتج”—ستحتاج فقط إلى توضيح ما الذي تريده، ولماذا تريده، وما القيود الموجودة. وسيتكفل الذكاء الاصطناعي بالتصميم والتنفيذ. هذا لا يعني أن البشر سيصبحون كسالى أو سيتدهورون، بل على العكس تمامًا: إنه يُحرّر الإنسان من تفاصيل “كيف يتم التنفيذ” المرهقة، ليركّز على أعمال أكثر إبداعًا—أي تحديد مشاكل ذات قيمة.

ولهذا أيضًا تعد مشاريع مثل OpenClaw وRotifer مهمة جدًا. فهي تبني البنية التحتية التي تحقق “تعبير الاحتياجات → تفكيك المهام → تنفيذ ذاتي”. إن قدرة OpenClaw على إدراك البيئة تجعل الذكاء الاصطناعي يفهم سياقك الحالي، دون أن تضطر لإعادة سرد الخلفية مرارًا. وإن ذاكرة Rotifer طويلة الأمد تجعل الذكاء الاصطناعي يتراكم لديه فهمك، دون أن تحتاج إلى تقديم نفسك كل مرة. وعندما تجتمع هاتان الميزتان، يستطيع الذكاء الاصطناعي، عندما تعبّر عن احتياج غامض، أن يكمل تلقائيًا تلك المعلومات الضمنية التي لم تقلها—لأنه، استنادًا إلى معرفته بك، يعرف كيف ستختار.

والأهم من ذلك أن التعبير عن الاحتياجات مهارة يمكن تعلمها وتحسينها. فـ“من يعبّر عن الاحتياجات” بشكل ممتاز يستطيع تحديد حدود المشكلة بوضوح، والتمييز بين الاحتياجات الأساسية والتفضيلات الثانوية، والتنبؤ بالسلسلة من ردود الأفعال التي قد يسببها قرار معين. وهذه القدرات هي بالضبط الميزة الأساسية التي تميز البشر عن الذكاء الاصطناعي—لدينا تجارب جسدية حقيقية، ولدينا مشاعر وقيم، ولدينا القدرة على الحكم على “ما الذي هو جيد” و“ما الذي هو ذو معنى”. يمكن للذكاء الاصطناعي أن يساعدنا في الحساب والتنفيذ والتحسين، لكن سؤال “ما الذي يستحق أن يُفعَل” يظل دائمًا سؤالًا يخص الإنسان.

خامسًا: وداعًا للتعاويذ—استقبال التعايش

زوال كلمات التوجيه ليسAI تراجعًا في قدراته، بل هو نضج قدرات الذكاء الاصطناعي. كما أننا لم نعد بحاجة إلى تذكر أوامر DOS لاستخدام الكمبيوتر، ولم نعد بحاجة إلى تعلم إيماءات القلم اللمسي لتشغيل الهاتف؛ فسنصل في النهاية إلى أننا لن نحتاج إلى تعلم “هندسة كلمات التوجيه” للتحدث مع الذكاء الاصطناعي.

عندما يمنح OpenClaw الذكاء الاصطناعي إدراكًا بيئيًا دائمًا، وعندما يمنح Rotifer الذكاء الاصطناعي تطورًا ذاتيًا مستمرًا، وعندما تتجمع هاتان القوتان، سيتحول الذكاء الاصطناعي من “أداة تستجيب للأوامر” إلى “شريك يفهم النوايا”. سيكون معلمك عندما تضيع؛ وسيساعدك عندما تكون مزدحمًا، عبر تفريغ جزء من عبء التنفيذ المعقد. أما أنت، بصفتك إنسانًا، فلا تحتاج إلا أن تفعل ما تتقنه أكثر—الشعور بالعالم، وتشكيل الأحكام، والتعبير عن الاحتياجات.

كانت كلمات التوجيه معلمنا التمهيدي في عصر الذكاء الاصطناعي؛ إذ علمتنا كيف نحاور الحكمة المبنية على السيليكون. لكن مهمة المعلم التمهيدي هي أن يتجاوز الطالب نفسه في النهاية. في اليوم الذي تزول فيه كلمات التوجيه، لن نحنّ إليها، تمامًا كما لن نحنّ إلى أوامر سطر الأوامر التي درسناها يومًا. سنستقبل علاقة إنسان-آلة أكثر طبيعية وأعمق—ليست “الإنسان يعطي الآلة أوامر”، بل “الإنسان والآلة يبدعان معًا”.

وسيكون ذلك عصرًا لم يعد يحتاج إلى “تعويذات”.